Token吃掉三成工資，硅谷AI賬單失控了

每百萬個 Token 只要 0.99 美元，聽起來便宜到不合理，但 SemiAnalysis——這家硅谷最硬核的半導體研究機構——自己帳單上的真實成本就是這個數字。更令人震驚的是，他們內部大模型 Token 支出，已經佔到員工總薪資的 30%。這筆錢買到的產出，過去卻需要好幾倍的人力成本才能覆蓋。人均每月吞掉近 50 億個 Token，是 Meta 人均水平的 5 倍以上，核心貢獻者月消耗更突破 1000 億。原本需要初級分析師花幾個小時搞定的 Excel 模型轉換、財報圖表製作，如今幾分鐘內完成，只需要幾美元。

SemiAnalysis 自己的評價一針見血：這不是 10% 的效率提升，而是專業服務業的單元經濟正在被重寫。研究公司、對沖基金、律所——所有靠人腦吃飯的行業，Token 支出佔到薪資的兩三成，只是時間早晚的問題。英偉達 CEO 黃仁勳比誰都急。今年 GTC 大會上他直接放話：一個年薪 50 萬美元的工程師，年底 Token 消費不到 25 萬美元？「我會徹底抓狂。」他打算給英偉達每個工程師發相當於半年工資的 Token 預算，還要讓 7.5 萬名員工搭配 750 萬個 AI 智能體一起幹活。不用 AI？老黃說，這跟芯片設計師堅持用紙和鉛筆沒區別。

Token 已經不是工具了，它正在變成新時代的「生產資料」。但硅谷的另一半，正因為 AI 賬單焦頭爛額。Uber 是最經典的案例。去年底公司向 5000 名工程師推廣 Claude Code，還搞了排行榜——用得越多，排名越高，內部競爭直接拉滿。結果太成功了：2 月工程師使用率 32%，3 月就飆到 84%，到了 4 月，95% 的工程師每月都在用 AI，70% 的提交代碼來自 AI 生成，而全年預算——已經花完了。CTO 說「要從頭重做預算」。後來更狠——Bloomberg 曝出，Uber 給每位員工設了每月 1500 美元的 Token 上限，超了要特批。

但 COO Andrew Macdonald 在播客裡說了句大實話：AI 使用量確實在漲，但它跟消費者功能創新之間的聯繫……目前還看不到。微軟的情況更魔幻。上個月《The Verge》曝出，微軟正在取消大部分 Claude Code 許可證，轉向自家的 GitHub Copilot CLI。原因很簡單：花錢的速度比產出的速度還快。英偉達應用深度學習副總裁 Bryan Catanzaro 在今年 4 月說得更直接：「對我的團隊來說，計算成本遠遠超過了員工的成本。」MIT 2024 年的研究：在以視覺為主要工作內容的崗位中，只有 23% 的場景下 AI 自動化在經濟上划算。

剩下 77% 的情況下，僱人比用 AI 便宜。甚至還有工程師吐槽 AI 智能體在使用中「毀掉了他的數據庫和網絡」——他稱之為「過度使用」的代價。天價預算、使用失控、翻車不斷——硅谷正處在 AI 經濟學最撕裂的階段。一邊是技術帶來前所未有的生產力，一邊是賬單以同樣前所未有的速度膨脹。但 SemiAnalysis 的核心論點是：別盯著今天的價格看，成本塌縮才剛開始。先看軟件端。

在 B300 上運行 DeepSeek R1，通過 wideEP、disagg 與 MTP 三層純軟件優化，單 GPU 吞吐量能從 baseline 的 1000 tokens/秒飆升至 14000 tokens/秒——14 倍提升，純靠代碼。再看硬件端。最優化配置的 GB300 NVL72 吞吐量是 H100 的 17 倍，切到 FP4 精度直接拉到 32 倍。Opus 4.7 的標價是輸入 5 美元/百萬、輸出 25 美元/百萬，看起來不便宜。但由於智能體工作負載的輸入輸出比高達 300:1，加上 90% 以上的緩存命中率，實際混合成本被壓到了 0.99 美元。連標價的五分之一都不到。

把軟件和硬件疊在一起，一個結論很難迴避：大模型的毛利率擴張，不是一次性的定價巧合，而是結構性的趨勢。Anthropic 今年的 ARR 從 90 億美元衝到了 440 億以上，毛利率從 38% 飆到了 70% 以上——Token 變便宜了，但賣 Token 的人反而更賺錢了。Gartner 今年 3 月的報告佐證了這一點：到 2030 年，萬億參數大模型的推理成本將比 2025 年下降超過 90%。SemiAnalysis 的判斷很明確：如果你想預估 2027 年 Token 價格，答案就一個字——降。

這正是當下 AI 最撕裂的地方：全球科技公司今年 AI 資本開支已宣佈 7400 億美元，比去年暴增 69%；同一時間，科技業裁員速度已超去年全年。錢在狂燒，人在被裁，但 Goldman Sachs 首席經濟學家說了句大實話——AI 對經濟的實際影響，到目前為止基本為零。這不是 AI 不行，而是每一輪基礎設施革命都要經歷的陣痛：先燒錢建管道，再等水流過來。電網如此，互聯網如此，AI 也不例外。差別只在於，這一次管道鋪設的速度，和水流過來的速度，都是上一代人沒見過的量級。SemiAnalysis 已經站在水流過來的那一邊了——30% 的薪資換來了數倍的產出槓桿，而成本曲線還在急劇下降。

至於其他公司：是現在蹚水過河，還是等對岸的人已經建好了城再追。